Eficiência do gráfico de controle EWMA em função de diferentes quantidades e posições de causas especiais
|
|
- Luna Brunelli Garrido
- 6 Há anos
- Visualizações:
Transcrição
1 Eficiência do gráfico de controle EWMA em função de diferentes quantidades e posições de causas especiais João Marcos Ramos de Moraes (UFV) jaum_55@hotmail.com José Ivo Ribeiro Júnior (UFV) jivo@ufv.br Thiago da Costa Gonçalves (UFV) tcostagoncalves@gmail.com No presente trabalho, foi mensurada a eficiência do gráfico de controle EWMA (Média Móvel Ponderada Exponencialmente) com λ=0,8. Com o auxílio do software Minitab, analisaram-se as restrições relevantes como posição dos dados fora de controle (meio ou fim da amostra), porcentagem de dados fora de controle e o valor de delta (três desvios-padrão). De acordo com os resultados, conclui-se que o alarme falso é menor quando os pontos fora de controle estão situados ao final da amostra e aumenta em função do aumento de percentual de pontos. Já o alarme verdadeiro não sofre efeito dos dois fatores anteriores, mas aumenta em função do aumento do deslocamento que se quer detectar como diferença especial. Palavras-chave: Gráfico de controle; EWMA; Alarme.. Introdução O gráfico de controle EWMA é uma boa alternativa de monitoramento da média, quando o interesse é em detectar pequenas mudanças no processo (MONTGOMER, 2004). Ele é baseado em observações individuais (n=) ou em amostras que contem mais de uma unidade (n>) de tamanhos constantes ou variáveis. No gráfico EWMA, a decisão sobre o processo é baseada na informação de cada amostra com um percentual de peso das anteriores. Para a construção do gráfico de controle EWMA, devem-se escolher os valores de m (tamanho da amostra), n (numero de itens por amostra), k (numero de desvios-padrão) e λ (peso da amostra) dento do intervalo de 0 < λ. Os valores da estatística Wi plotados no gráfico EWMA da medida individual são calculados através da seguinte expressão: W λ λ para i =,2,..., m. (2.) i = yi + ( ) Wi Caso µ seja conhecido, tem-se: W0 = µ. Caso contrário, se ele for desconhecido e substituído pelo seu estimador, então se tem: W0 =. Para as determinações da Linha Média e dos Limites inferior e superior, são utilizadas as expressões: 2i [ ] λ (2.2) 2 λ LSCi = µ + kσ ( λ) LM = µ (2.3) 2i [ ] λ (2.4) 2 λ LICi = µ kσ ( λ)
2 Como a estatística Wi plotada no gráfico de controle EWMA é dependente dos valores medidos nas amostras anteriores, o objetivo principal do trabalho foi de verificar a rapidez desse gráfico em acompanhar os pontos sob ou fora de controle produzidos pelo processo, medida pelas estimativas dos alarmes falso e verdadeiro. 2. Revisão de literatura Sobre qualidade, Montgomery (2004) prefere defini-la como sendo inversamente proporcional à variabilidade. Note que essa definição implica que se a variabilidade de uma característica importante de um produto ou serviço decresce, a qualidade aumenta. No entanto, outros autores já apresentaram definições diferentes. De acordo com citações de Costa et al. (2004), para Juran, qualidade significa adequação ao uso. Para Deming (2000), qualidade significa atender e, se possível, exceder às expectativas do consumidor. Para Crosby (995), qualidade significa atender às especificações. Para Taguchi (999), a produção, o uso e o descarte de um produto sempre acarretam prejuízos ( perdas ) para a sociedade e, portanto, quanto menor for a perda melhor será a qualidade do produto. Em função da presença da variabilidade, os métodos estatísticos desempenham papel importante nos esforços para a melhoria da qualidade. Em 924, Walter A. Shewhart dos Bell Telephone Laboratories desenvolveu o conceito estatístico do gráfico de controle, que é considerado como o começo formal do Controle Estatístico de Qualidade (CEQ) (MONTGOMER, 2004). Os gráficos de controle são comparações do desempenho do processo com determinados limites de controle, verificando se os pontos do gráfico distribuem-se segundo padrões aleatórios. Caso isso aconteça, o processo sob análise está sob controle estatístico, ou seja, somente causas aleatórias (comuns) da variação atuam no processo (MONTGOMER, 2004). Quando apenas essas causas estão atuando, a média µ e o desvio padrão σ se mantêm constantes e o processo estará sob controle estatístico (estável) e com comportamento previsível por meio de probabilidades. Se houver pontos além dos limites ou se padrões não aleatórios forem identificados, a variabilidade do processo pode não estar se comportando mais de forma aleatória e sim devido a causas especiais, que fazem com que o processo se comporte de modo não previsível ou fora de controle estatístico de qualidade, por meio de alterações significativas na média e/ou no desvio-padrão. Uma investigação imediata deve ser realizada, para verificar se tal alarme deve-se realmente às causas especiais de variação. Em caso positivo, algo precisa ser feito para retornar o processo à condição desejada (JURAN, 999). A plotagem dos dados das características da qualidade deve ser feita de forma cronológica ou em função do número da amostra, para que seja possível identificar quais são as causas especiais de variação. O conceito de processo sob ou fora de controle estatístico é tão importante quanto o de variabilidade, e torna-se extremamente importante ressaltar que os critérios para a identificação dos problemas compreendem a existência de padrões não aleatórios, os quais incluem entre outros, a existência de pontos fora dos limites de controle. O gráfico de controle (Figura ) demonstra o comportamento de uma característica de qualidade e suas flutuações em torno de um valor médio e permite distinguir entre os dois tipos de causas de variação. Basicamente, ele é uma representação de um determinado estimador, que consiste da LM e dos limites inferior e superior de controle, em função das 2
3 diversas estratificações temporais ou espaciais possíveis de serem estabelecidas (MONTGOMER e RUNGER, 2003). Figura - Estrutura do Gráfico de Controle EWMA Os gráficos de controle por variáveis podem ser utilizados para características de qualidade que podem ser medidas ou que sofrem uma variação contínua, pois o controle do processo exige o monitoramento da média e da variabilidade. Algumas das metodologias indicadas para a construção desses gráficos de controle são as de Shewhart, EWMA (médias móveis exponencialmente ponderadas) e CUSUM (somas cumulativas). Independente do tipo de gráfico de controle, algumas pressuposições precisam ser satisfeitas pelos dados para permitir a sua utilização e, portanto, para que os seus resultados sejam válidos. De acordo com Alwan e Roberts (995), as observações das variáveis normais, devem ser independentes e identicamente distribuídas. Desse modo, as regras para identificação de padrões não aleatórios pressupõem que essas pressuposições sejam satisfeitas. Caso isso não se verifique, o valor dos gráficos de controle será no mínimo questionável. Considere um gráfico de controle, supondo que causas aleatórias não alteram a média de, sendo H 0 e H hipóteses mutuamente exclusivas dadas por: H 0 : µ = µ 0 (processo sob controle); H : µ = µ = µ 0 + δσ 0 (processo fora de controle) onde µ 0 é a média de controle; µ µ 0 δ = = deslocamento que se quer detectar como variação especial em numero σ 0 de desvios-padrão; σ 0 = desvio-padrão da população. Se a hipótese H 0 for verdadeira e rejeitada, comete-se o erro tipo I ou erro α (alarme falso). Por outro lado se H 0 for falsa e aceita, comete-se o erro tipo II ou erro β (COSTA et al., 2004). No CEQ, o alarme falso (α ) representa a probabilidade de erroneamente considerar-se o processo fora de controle quando ele está sob controle (H 0 verdadeira). A conseqüência prática é de intervir no processo quando ele está isento de causas especiais. Já a falta de detecção ( β ) representa a probabilidade de erroneamente considerar-se o processo sob controle, quando ele está fora de controle (H verdadeira). A conseqüência prática é de não intervir no processo quando ele está sob influência de causas especiais, sendo o alarme Pd é definido como a probabilidade de detecção, ou seja, de rejeitar H 0 falsa (COSTA et al., 2004). verdadeiro ou poder ( = β ) 3
4 Estatisticamente, pode-se verificar a eficiência de um determinado gráfico de controle, com base nas estimativas dos erros devidos ao alarme falso (α ) e à falta de detecção ( β ). Quando a hipótese H é verdadeira (processo fora de controle), o ideal seria que o primeiro ponto plotado já caísse fora dos limites de controle. Contudo isso nem sempre ocorre, principalmente se o deslocamento sofrido pela média for pequeno. A medida de eficiência mais usual dos gráficos de controle é o número médio de amostras até o sinal (NMA), que segue uma distribuição geométrica de parâmetro p, independentemente de se tratar de alarme falso ou verdadeiro. Se a hipótese H 0 for verdadeira ( δ = 0), então p = α. Se a hipótese H for verdadeira ( δ > 0), então p = Pd. Como a média da distribuição geométrica de parâmetro p e igual a p, têm-se: NMA δ =0 = (3.) α NMAδ >0 = (3.2) Pd Assim, um gráfico de controle bem planejado é aquele que apresenta, em termos teóricos, um baixo alarme falso, um alto poder, um alto NMA δ=0 e um baixo NMA δ>0, em função do valor de δ pré-estabelecido. Na implantação dos gráfico de controle são controladas grandes variações devidas às causas especiais e, com o passar do tempo, busca-se detectar efeitos cada vez menores dessas possíveis causas. Portanto, a primeira escolha é de um gráfico de controle com baixa incidência de alarme falso, que trará confiabilidade no monitoramento do processo, já que os pontos fora de controle não serão, na grande maioria das vezes, devidos às causas aleatórias. Caso haja a necessidade de aumentar a qualidade do processo e, conseqüentemente, de diminuir a sua variabilidade, será importante aumentar a sensibilidade do gráfico pelo aumento do seu poder em detectar novas causas especiais que eram detectadas anteriormente como causas aleatórias. No entanto, o aumento do Pd não poderá acontecer em função do aumento do α, mas mantendo-o em níveis baixos e aceitáveis. 3. Metodologia Os dados da variável aleatória normal foram simulados no software Minitab para 500 amostras com observações individuais e com parâmetros de média (µ =000) e desviopadrão (σ =00). Foram feitos diferentes arranjos no conjunto de dados com objetivo de ter, além dos pontos sob controle estatístico com média µ =000, pontos fora de controle com média µ + δσ, para valores de δ iguais a, 2 e 3, inseridos ao meio (0) ou ao final () do conjunto de dados, com diferentes porcentagens: 5% (25 amostras fora de controle), 20% (00 amostras), 35% (75 amostras) e 50% (250 amostras). No total foram simulados 24 conjuntos de dados. Em seguida esses conjuntos de dados utilizados para a construção dos gráfico de controle EWMA no software, com m=500, n= e λ=0,8. Após cada construção, foram anotados as quantidades de pontos sob e fora de controle, a fim de obter as estimativas dos alarmes falso (α) e verdadeiro (Pd) dados por: NPFC( δ = 0) ˆ α = ; 500 4
5 ˆ NPFC( δ > 0) P d = ; 500 onde NPFC é o número de pontos fora de controle. Por fim, foram realizadas analises de regressão no Software Minitab das estimativas α e Pd, em função dos valores de δ, das porcentagens e das posições dos pontos fora de controle, cujos coeficientes foram testados pelo teste t a 5% de probabilidade. 4. Resultados e Discussão A seguir são apresentados como ilustração, alguns gráficos com 5 e 35% de dados fora de controle no meio (Figuras 2a e 2b) e no final da amostra (Figuras 3a e 3b), para diferentes valore de δ, porém com 20 e 50% de dados fora de controle. Figura 2a : EWMA com 5% de dados fora de controle e δ =. e δ = 3. Figura 2b: EWMA com 35% dos dados fora de controle Figura 3a: EWMA com 20% de dados fora de controle e δ = 2. e δ = 3. Figura 3b: EWMA com 50% dos dados e fora de controle 5
6 A partir dos 24 gráficos de controle EWMA construídos foram obtidas as estimativas dos alarmes falsos e verdadeiros, conforme apresentado na Tabela, sendo estimadas as seguintes equações de regressão: P ˆ d = 0, ,2048*δ ; ˆ α = 0, , * pos + 0, * por, em que: *significativo pelo teste t (P<0,005); δ = delta; pos = posição; por = porcentagem ; pos = 0 (meio) ; pos = (final). TABELA. Estimativas dos alarmes falso (α) e verdadeiro (Pd) no gráfico de controle EWMA com λ=0,8 em função de delta, da posição e da porcentagem de pontos fora de controle. Posição Delta Porcentagem Pˆ d αˆ 0 5 0,76 0, ,43 0, ,58 0, ,44 0, ,88 0, , ,97 0, ,98 0, ,96 0, ,97 0, ,98 0, ,02 5 0,76 0, , ,58 0, ,42 0, , ,99 0, , ,98 0, , ,96 0, , Como pode-se observar o alarme verdadeiro (Pd) aumenta (P>0,05) em função do aumento do delta, cujas estimativas estão entre 0,62, 0,83 e, para delta igual a um, dois e três, respectivamente. O maior Pd para δ=3 é naturalmente entendido, dado que neste caso, os pontos fora de controle estão mais distantes da média de controle e, portanto, mais fáceis de serem discriminados. Para o gráfico de controle EWMA com λ=0,8, recomenda-se monitorar processos, cujo controle seja a partir de dois desvios-padrão, dado que para δ<2, o Pd se torna baixo e, conseqüentemente, muitos dos pontos fora de controle serão considerados como sob controle. Já o alarme falso (α) aumente (P<0,005) em função da posição central e do aumento da porcentagem de pontos fora de controle, sendo: 6
7 αˆ = 0, , *por, para pontos fora de controle no meio da amostra; αˆ = -0, , *por, para pontos fora de controle no final da amostra. Apesar dessa diferença e do α aumentar em função da quantidade de pontos fora de controle, o gráfico EWMA, mostrou-se bastante eficiente em monitorar processos com as condições impostas na simulação dos dados, dadas as máximas estimativas de αˆ =0,053(meio) e αˆ =0,0065(final) para por=50% estarem bem abaixo de 0,05, valor bastante utilizado como nível de significância. 5. Conclusão No gráfico de controle EWMA com λ=0,8, o poder é influenciado apenas pelo delta e pelo alfa sofre influência da posição e da porcentagem de pontos fora de controle. Dadas as estimativas de Pˆ d =0,83 para δ=2 e αˆ =0,053, recomenda-se utilizar esse gráfico para sinalizar alterações iguais ou superiores a dois desvios-padrão da média de controle com até 50% dos pontos fora de controle, independentemente das suas posições (meio ou final). Na figura 4 é apresentado o gráfico que se refere à regressão de Pd em função de delta. Figura 4. Estimativas de Pd em função de delta. Referências COSTA, A. F. B.; EPPRECHT, E. K.; CARPINETTI, L. C. R. Controle Estatístico de Qualidade. São Paulo Atlas, p. JURAN, J. M. Juran's quality handbook. 5. ed. New ork: McGraw-Hill, 999. MONTGOMER, D. C. Introdução ao Controle Estatístico da Qualidade. 4a. ed. Rio de Janeiro: LTC, MONTGOMER, D. C.; RUNGER, G. C. Estatística Aplicada e Probabilidade para Engenheiros. Rio de Janeiro: LTC,
CONTROLE ESTATÍSTICO DE QUALIDADE
CONTROLE ESTATÍSTICO DE QUALIDADE Ralph S. Silva http://www.im.ufrj.br/ralph/ceq.html Departamento Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Março-Julho/2012 Sumário
Leia maisUm comparativo de desempenho entre gráficos de controle univariados e multivariados
Um comparativo de desempenho entre gráficos de controle univariados e multivariados Rodrigo Luiz Pereira Lara 3 Vladimir Barbosa Carlos de Souza 3. Introdução O Controle Estatístico do Processo (CEP) é
Leia maisQualidade na empresa. Fundamentos de CEP. Gráfico por variáveis. Capacidade do processo. Gráficos por atributos. Processos.
Roteiro da apresentação 1 Controle de Qualidade Lupércio França Bessegato 2 3 4 UFMG Especialização em Estatística Setembro/2008 5 6 7 8 Gráfico de Controle de Shewhart Hipóteses do gráfico de controle
Leia maisQualidade na empresa. Fundamentos de CEP. Gráfico por variáveis. Capacidade do processo. Gráficos por atributos. Inspeção de qualidade
Roteiro da apresentação Controle de Qualidade 2 3 Lupércio França Bessegato UFMG Especialização em Estatística 4 5 Abril/2007 6 7 Exemplo: Sacos de Leite : Volume de cada saco (ml) do Controle Estatístico
Leia maisAnálise da : -Estabilidade e - Capacidade/Capabilidade de Processos
Análise da : -Estabilidade e - Capacidade/Capabilidade de Processos Prof. Diego Por que medir a estabilidade e capacidade/capabilidade? Principais erros dos gestores SOB CONTROLE 1 Tratar uma causa comum
Leia maisControle Estatístico de Qualidade. Capítulo 5 (montgomery)
Controle Estatístico de Qualidade Capítulo 5 (montgomery) Gráficos de Controle para Variáveis Relembrando Dois objetivos do CEP: Manter o processo operando em condição estável durante maior parte do tempo;
Leia mais4 Análise de Desempenho dos Gráficos tipo Shewhart para o Controle Estatístico da Dispersão
4 Análise de Desempenho dos Gráficos tipo Shewhart para o Controle Estatístico da Dispersão Neste capítulo são obtidas as medidas desempenho dos gráficos de controle de Shewhart descritos no Capítulo 2
Leia maisPODER DO TESTE. Poder do Teste e Tamanho de Amostra para Testes de Hipóteses
PODER DO TESTE Poder do Teste e Tamanho de Amostra para Testes de Hipóteses 1 Tipos de erro num teste estatístico Realidade (desconhecida) Decisão do teste aceita H rejeita H H verdadeira decisão correta
Leia maisCapacidade de Processo
Roteiro Capacidade de Processo 1. Limites de Especificação 2. Índices de Capacidade do Processo 3. Alarmes vs. Itens Não Conformes 4. Limites de Especificação sobre Componentes 5. Referências Capacidade
Leia maisProbabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo
Leia maisEngenharia da Qualidade. Profa. Luciana Rosa Leite
Engenharia da Qualidade Profa. Luciana Rosa Leite Unidade 1 Introdução à Engenharia Da Qualidade 1.1 Evolução da Gestão da Qualidade 1.2 Revisão de conceitos estatísticos Exercícios Evolução da Gestão
Leia maisEixo Temático: Estratégia e Internacionalização de Empresas ANÁLISE DE PARÂMETROS DA QUALIDADE DA ÁGUA ATRAVÉS DA APLICAÇÃO DOS GRÁFICOS CUSUM E EWMA
Eixo Temático: Estratégia e Internacionalização de Empresas ANÁLISE DE PARÂMETROS DA QUALIDADE DA ÁGUA ATRAVÉS DA APLICAÇÃO DOS GRÁFICOS CUSUM E EWMA CHEMICAL WATER PARAMETERS INVESTIGATED BY CUSUM AND
Leia maisCOMPARAÇÃO DO DESEMPENHO ENTRE OS GRÁFICOS DE CONTROLE X-BARRA E T - STUDENT VARIANDO- SE O NÚMERO E O TAMANHO DAS AMOSTRAS
COMPARAÇÃO DO DESEMPENHO ENTRE OS GRÁFICOS DE CONTROLE X-BARRA E T - STUDENT VARIANDO- SE O NÚMERO E O TAMANHO DAS AMOSTRAS Flavio Luiz Mazocco (UFSCar ) mazocco@hotmail.com Germano Mendes Rosa (IFMG )
Leia maisCE219 - Controle Estatístico de Qualidade
CE219 - Controle Estatístico de Qualidade Cesar Augusto Taconeli 30 de maio, 2017 Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 30 de maio, 2017 1 / 47 Aula 3 - Métodos e filosofia do
Leia maisEstimativas e Tamanhos de Amostras
Estimativas e Tamanhos de Amostras 1 Aspectos Gerais 2 Estimativa de uma Média Populacional: Grandes Amostras 3 Estimativa de uma Média Populacional: Pequenas Amostras 4 Tamanho Amostral Necessário para
Leia maisPoder do teste e Tamanho de Amostra
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 24 Poder do teste e Tamanho de Amostra APOIO: Fundação de Ciência
Leia maisFundamentos do Controle Estatístico do Processo
Fundamentos do Controle Estatístico do Processo 1. Introdução Roteiro 2. Monitoramento de Processos 3. Etapa Inicial: Estabilização e Ajuste do Processo 4. Estimação da Variabilidade 5. Referências Introdução
Leia maisControle Estatístico da Qualidade
Controle Estatístico da ESQUEMA DO CAPÍTULO 15.1 MELHORIA E ESTATÍSTICA DA QUALIDADE 15.2 CONTROLE ESTATÍSTICO DA QUALIDADE 15.3 CONTROLE ESTATÍSTICO DE PROCESSO 15.4 INTRODUÇÃO AOS GRÁFICOS DE CONTROLE
Leia maisObtenção do NMA do Gráfico de Controle de Regressão
Obtenção do NMA do Gráfico de Controle de Regressão Danilo Cuzzuol Pedrini (UFRGS) danilo@producao.ufrgs.br Carla Schwengber ten Caten (UFRGS) tencaten@producao.ufrgs.br Resumo: Para a aplicação dos gráficos
Leia maisProfessora Ana Hermínia Andrade. Período
Teste de Hipóteses Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2016.1 Teste de Hipóteses O Teste de Hipóteses
Leia maisNessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:
Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a
Leia mais7 Teste de Hipóteses
7 Teste de Hipóteses 7-1 Aspectos Gerais 7-2 Fundamentos do Teste de Hipóteses 7-3 Teste de uma Afirmação sobre a Média: Grandes Amostras 7-4 Teste de uma Afirmação sobre a Média : Pequenas Amostras 7-5
Leia maisJosé Aparecido da Silva Gama¹. ¹Professor do Instituto Federal de Educação, Ciência e Tecnologia de Alagoas.
Estudo e Aplicação dos Testes de Hipóteses Paramétricos e Não Paramétricos em Amostras da Estação Fluviométrica Três Maria (MG) da bacia Hidrográfica do Rio São Francisco José Aparecido da Silva Gama¹
Leia maisEPR 007 Controle Estatístico de Qualidade
EP 7 Cotrole Estatístico de Qualidade Prof. Dr. Emerso José de Paiva Gráficos e tabelas origiadas de Costa, Epprecht e Carpietti (212) 1 Num julgameto, ifelizmete, um iocete pode ir pra cadeia, assim como
Leia mais5. Carta de controle e homogeneidade de variância
5. Carta de controle e homogeneidade de variância O desenvolvimento deste estudo faz menção a dois conceitos estatísticos: as cartas de controle, de amplo uso em controle estatístico de processo, e a homogeneidade
Leia maisGráfico de Controle por Atributos
Gráfico de Controle por Atributos Roteiro 1. Gráfico de np. Gráfico de p 3. Gráfico de C 4. Gráfico de u 5. Referências Gráficos de Controle por Atributos São usados em processos que: Produz itens defeituosos
Leia maisRazão para rejeitar H 0
Processo do teste de hipótese Hipótese de pesquisa: a idade média da população é 5 H : μ = 5 H 1 : μ 5 É X = improvável se μ =5? População Selecionar amostra aleatória Sim: Rejeite Ho Para definir pouco
Leia maisDE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA)
1. Sabe-se que o nível de significância é a probabilidade de cometermos um determinado tipo de erro quando da realização de um teste de hipóteses. Então: a) A escolha ideal seria um nível de significância
Leia maisEstimação e Testes de Hipóteses
Estimação e Testes de Hipóteses 1 Estatísticas sticas e parâmetros Valores calculados por expressões matemáticas que resumem dados relativos a uma característica mensurável: Parâmetros: medidas numéricas
Leia maisTeste de Hipóteses. Enrico A. Colosimo/UFMG enricoc/ Depto. Estatística - ICEx - UFMG 1/24
1/24 Introdução à Bioestatística Teste de Hipóteses Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG 2/24 Exemplo A concentração de certa substância no sangue entre
Leia maisDefinição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 1 de Setembro de 2014 3 O modelo de regressão linear é dado por Y i = β 0 + β 1 x i + ɛ i onde ɛ i iid N(0,σ 2 ). O erro
Leia maisIntrodução ao modelo de Regressão Linear
Introdução ao modelo de Regressão Linear Prof. Gilberto Rodrigues Liska 8 de Novembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Local: Sala dos professores (junto ao administrativo)
Leia maisANÁLISE DOS RESÍDUOS. Na análise de regressão linear, assumimos que os erros E 1, E 2,, E n satisfazem os seguintes pressupostos:
ANÁLISE DOS RESÍDUOS Na análise de regressão linear, assumimos que os erros E 1, E 2,, E n satisfazem os seguintes pressupostos: seguem uma distribuição normal; têm média zero; têm variância σ 2 constante
Leia maisTestes de Hipóteses Paramétricos
Testes de Hipóteses Paramétricos Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução Exemplos Testar se mais de metade da população irá consumir um novo produto
Leia maisControle Estatístico de Qualidade para Processos Climatológicos Autocorrelacionados
Controle Estatístico de Qualidade para Processos Climatológicos Autocorrelacionados Luiz André R. dos Santos 1, Fábio C. Conde 1, Mozar de A. Salvador 1, Andrea M. Ramos 1, Larissa S. F. C. dos Santos
Leia maisTestes de Hipóteses Paramétricos
Testes de Hipóteses Paramétricos Departamento de Matemática Escola Superior de Tecnologia de Viseu (DepMAT ESTV) Testes de Hipóteses Paramétricos 1 / 41 Introdução. Hipóteses Estatísticas. Erro Tipo I
Leia maisUniversidade Federal do Pará Instituto de Tecnologia ESTATÍSTICA APLICADA. Campus de Belém Curso de Engenharia Mecânica
Universidade Federal do Pará Instituto de Tecnologia ESTATÍSTICA APLICADA Plano da Disciplina Campus de Belém Curso de Engenharia Mecânica 1 IDENTIFICAÇÃO Nome da disciplina: Estatística Aplicada I Código
Leia maisAULA 11 Heteroscedasticidade
1 AULA 11 Heteroscedasticidade Ernesto F. L. Amaral 30 de julho de 2012 Análise de Regressão Linear (MQ 2012) www.ernestoamaral.com/mq12reg.html Fonte: Wooldridge, Jeffrey M. Introdução à econometria:
Leia maisCapacidade de Processo Material Complementar
Capacidade de Processo Material Complementar Exemplo Pistões Anéis de pistão para motores de automóveis produzidos por processo de forja Objetivo: Controle estatístico para diâmetro interno dos anéis por
Leia maisConceitos Básicos Teste t Teste F. Teste de Hipóteses. Joel M. Corrêa da Rosa
2011 O 1. Formular duas hipóteses sobre um valor que é desconhecido na população. 2. Fixar um nível de significância 3. Escolher a Estatística do Teste 4. Calcular o p-valor 5. Tomar a decisão mediante
Leia maisMonitoramento da qualidade do processo de manutenção de extintores. Carolina Lopes Caroline Selis Mariana Almeida Pedro Henrique Pedro Moraes
Monitoramento da qualidade do processo de manutenção de extintores Carolina Lopes Caroline Selis Mariana Almeida Pedro Henrique Pedro Moraes Índice 1) Resumo; 2) Introdução; 3) Referencial Teórico; 4)
Leia maisControle Estatístico de Qualidade. Capítulo 7 (montgomery)
Controle Estatístico de Qualidade Capítulo 7 (montgomery) Capacidade do Processo Introdução Cartas de Controle Instrumento de monitoramento e detecção de desvios na estabilidade do processo Considerando
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Leia maisFernando de Pol Mayer
Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative
Leia maisINFERÊNCIA ESTATÍSTICA. ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p
INFERÊNCIA ESTATÍSTICA ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir
Leia maisIntrodução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística
Introdução ao Planejamento e Análise Estatística de Capítulo 3 Introdução à Probabilidade e à Inferência Estatística INTERVALOS DE CONFIANÇA: Diferentes pesquisadores, selecionando amostras de uma mesma
Leia maisMais Informações sobre Itens do Relatório
Mais Informações sobre Itens do Relatório Amostra Tabela contendo os valores amostrados a serem utilizados pelo método comparativo (estatística descritiva ou inferencial) Modelos Pesquisados Tabela contendo
Leia maisMétodos Quantitativos para Ciência da Computação Experimental
Métodos Quantitativos para Ciência da Computação Experimental Revisão Virgílio A. F. Almeida Maio de 2008 Departamento de Ciência da Computação Universidade Federal de Minas Gerais FOCO do curso Revisão
Leia maisi. f Y (y, θ) = 1/θ... 0 y θ 0... y < 0 ou y > θ Se a amostra selecionada foi ( ), qual será a estimativa para θ?
Fundação Getulio Vargas Curso: Graduação Disciplina: Estatística Professor: Moisés Balassiano Lista de Exercícios Inferência. Seja (Y, Y 2,..., Y n ) uma amostra aleatória iid, de tamanho n, extraída de
Leia maisAula 7 Intervalos de confiança
Aula 7 Intervalos de confiança Nesta aula você aprenderá um método muito importante de estimação de parâmetros. Na aula anterior, você viu que a média amostral X é um bom estimador da média populacional
Leia maisPERT PERT PERT PERT PERT PERT. O CPM assume que as estimativas de tempo para um projeto são certas (determinísticas);
O CPM assume que as estimativas de tempo para um projeto são certas (determinísticas); A duração de cada atividade na prática, contudo, pode ser diferente daquela prevista no projeto; Existem muitos fatores
Leia maisANÁLISE DO DESEMPENHO DE GRÁFICOS DE CONTROLE DA VARIÂNCIA COM PARÂMETRO ESTIMADO
ANÁLISE DO DESEMPENHO DE GRÁFICOS DE CONTROLE DA VARIÂNCIA COM PARÂMETRO ESTIMADO Pedro Carlos Oprime (DEP/UFSCar) pedro@dep.ufscar.br Gilberto Miller Devos Ganga (DEP/UFSCar) ganga@dep.ufscar.br O objetivo
Leia maisParte 8 Testes de hipóteses Comparação de dois grupos
Parte 8 Testes de hipóteses Comparação de dois grupos Um objetivo frequente em estudos de diferentes áreas é a comparação de dois ou mais grupos (ou populações). Alguns exemplos: o Comparação dos salários
Leia maisINSTRUÇÕES. O tempo disponível para a realização das duas provas e o preenchimento da Folha de Respostas é de 5 (cinco) horas no total.
INSTRUÇÕES Para a realização desta prova, você recebeu este Caderno de Questões. 1. Caderno de Questões Verifique se este Caderno de Questões contém a prova de Conhecimentos Específicos referente ao cargo
Leia maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Leia mais7 Análise de Desempenho dos Gráficos EWMA para o Controle Estatístico da Dispersão
7 Análise de Desempenho dos Gráficos EWMA para o Controle Estatístico da Dispersão Neste capítulo são obtidos os projetos ótimos e as medidas de desempenho dos gráficos de controle de grupos de EWMA projetados
Leia maisMetodologia de gestão de Risco de Mercado
Metodologia de gestão de Risco de Mercado Data Criação: Ago/11 Data última revisão: Jun/13 1 Sumário 1. Introdução... 3 2. Risco de mercado... 3 3. Métodos de gerenciamento de risco... 3 4. Controle de
Leia maisCapítulo 3: Elementos de Estatística e Probabilidades aplicados à Hidrologia
Departamento de Engenharia Civil Prof. Dr. Doalcey Antunes Ramos Capítulo 3: Elementos de Estatística e Probabilidades aplicados à Hidrologia 3.1 - Objetivos Séries de variáveis hidrológicas como precipitações,
Leia maisP. P. G. em Agricultura de Precisão DPADP0803: Geoestatística (Prof. Dr. Elódio Sebem)
Amostragem: Em pesquisas científicas, quando se deseja conhecer características de uma população, é comum se observar apenas uma amostra de seus elementos e, a partir dos resultados dessa amostra, obter
Leia maisAvaliação de Sistemas de Medição
Roteiro Avaliação de Sistemas de Medição 1. Características de um Sistema de Medição 2. Avaliação do Erro Sistemático 3. Repetitividade e Reprodutibilidade 4. Adequabilidade de Sistema de Medição 5. Aplicação
Leia maisConsiderações. Planejamento. Planejamento. 3.3 Análise de Variância ANOVA. 3.3 Análise de Variância ANOVA. Estatística II
UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARAN PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Estatística II Aula 8 Profa. Renata G. Aguiar Considerações Coleta de dados no dia 18.05.2010. Aula extra
Leia maisINTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Prof. Anderson Rodrigo da Silva
INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Tipos de Pesquisa Censo: é o levantamento de toda população. Aqui não se faz inferência e sim uma descrição
Leia maisREGRESSÃO LINEAR Parte I. Flávia F. Feitosa
REGRESSÃO LINEAR Parte I Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação para o Planejamento Julho de 2015 Onde Estamos Para onde vamos Inferência Esta5s6ca se resumindo a uma equação
Leia maisControle de Qualidade
Controle de Qualidade Lupércio França Bessegato Dep. Estatística/UFJF Roteiro 1. Qualidade na Empresa 2. Gestão da Qualidade 3. Métodos Estatísticos em Controle de Processos 4. Cartas de Controle Univariadas
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Cap. 10 Multicolinearidade: o que acontece se os regressores são correlacionados? Fonte: GUJARATI; D. N. Econometria Básica: 4ª Edição. Rio de Janeiro.
Leia maisHEP-5800 BIOESTATÌSTICA
HEP-58 BIOESTATÌSTICA UNIDADE IV INFERÊNCIA ESTATÍSTICA: TESTES DE HIPÓTESES Nila Nunes da Silva Regina I. T. Bernal I. QUADRO CONCEITUAL São procedimentos estatísticos que consistem em usar dados de amostras
Leia maisCONTROLE ESTATÍSTICO DO PROCESSO DE EMBALAGEM DE UMA FÁBRICA DE GELO
CONTROLE ESTATÍSTICO DO PROCESSO DE EMBALAGEM DE UMA FÁBRICA DE GELO Bruna T. De Lima 1, Aline S. Culchesk 1, Gilberto C. Antonelli 1,Manoel F. Carreira 1 1 Universidade Estadual de Maringá (UEM) bruna_tamara@hotmail.com
Leia maisPedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Cap. 8 Testes de hipóteses APOIO: Fundação de Ciência e Tecnologia
Leia maisTestes de Hipótese para uma única Amostra - parte I
Testes de Hipótese para uma única Amostra - parte I 26 de Junho de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Estruturar problemas de engenharia como testes de hipótese. Entender os
Leia mais2)Para o exercício anterior e usando os limites de controle e estimativas revistas para este processo, determine se este está estável. Justifique.
ª LISTA DE ESTATÍSTICA (apresentar os cálculos com 4 casas decimais) )Em uma fábrica de produtos de higiene foram medidos os pesos de sabonetes em amostras de tamanho cinco. Supõe-se que o peso dos sabonetes
Leia maisRESUMO DO CAPÍTULO 3 DO LIVRO DE WOOLDRIDGE ANÁLISE DE REGRESSÃO MÚLTIPLA: ESTIMAÇÃO
RESUMO DO CAPÍTULO 3 DO LIVRO DE WOOLDRIDGE ANÁLISE DE REGRESSÃO MÚLTIPLA: ESTIMAÇÃO Regressão simples: desvantagem de apenas uma variável independente explicando y mantendo ceteris paribus as demais (ou
Leia mais2.1 Variáveis Aleatórias Discretas
4CCENDMMT02-P PROBABILIDADE E CÁLCULO DIFERENCIAL E INTEGRAL Girlan de Lira e Silva (1),José Gomes de Assis (3) Centro de Ciências Exatas e da Natureza /Departamento de Matemática /MONITORIA Resumo: Utilizamos
Leia maisEXPERIMENTO FATORIAL BLOCADO PARA DETERMINAÇÃO DE DIFERENÇAS ENTRE TEMPO DE QUEIMA DE VELAS DE PARAFINA
Revista da Estatística da UFOP, Vol I, 2011 - XI Semana da Matemática e III Semana da Estatística, 2011 ISSN 2237-8111 EXPERIMENTO FATORIAL BLOCADO PARA DETERMINAÇÃO DE DIFERENÇAS ENTRE TEMPO DE QUEIMA
Leia maisInferência Estatística:
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Inferência Estatística: Princípios de Bioestatística decidindo na presença de incerteza Aula 8: Intervalos
Leia maisTeste de % de defeituosos para 1 amostra
DOCUMENTO OFICIAL DO ASSISTENTE DO MINITAB Este documento é de uma série de papéis que explicam a pesquisa conduzida por estatísticos da Minitab para desenvolver os métodos e as verificações de dados usadas
Leia maisBioestatística e Computação I
Bioestatística e Computação I Distribuição Amostral da Média Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Variável aleatória numérica parâmetros desconhecidos média desvio padrão estimativa
Leia maisAULAS 25 E 26 Heteroscedasticidade
1 AULAS 25 E 26 Heteroscedasticidade Ernesto F. L. Amaral 10 e 15 de junho de 2010 Métodos Quantitativos de Avaliação de Políticas Públicas (DCP 030D) Fonte: Wooldridge, Jeffrey M. Introdução à econometria:
Leia maisINSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Estatística II - Licenciatura em Gestão Época de Recurso - Parte prática (14 valores) 24/01/2011.
INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Estatística II - Licenciatura em Gestão Época de Recurso - Parte prática (14 valores) 24/01/2011 Nome: Nº Espaço reservado para a classificação (não escrever aqui)
Leia maisProdução & Engenharia ISSN:
Produção & Engenharia www.revistaproducaoengenharia.org ISSN: 1983-9952 V.6 / N.1 (2014) 547-563 Caio Augusto Nunes Marques (a), José Ivo Ribeiro Júnior (b), Adriana Ferreira de Faria (c) (a) Universidade
Leia maisColeta e Modelagem dos Dados de Entrada
Slide 1 Módulo 02 Coleta e Modelagem dos Dados de Entrada Prof. Afonso C. Medina Prof. Leonardo Chwif Três Etapas Coleta Tratamento Inferência Coleta dos Dados 1. Escolha adequada da variável de estudo
Leia maisTeste de hipóteses para proporção populacional p
Teste de hipóteses para proporção populacional p 1 Métodos Estatísticos Métodos Estatísticos Estatística Descritiva Inferência Estatística Estimação Teste de Hipóteses 2 TESTE DE HIPÓTESES Eu acredito
Leia maisEspecialização em Engenharia de Processos e de Sistemas de Produção
Especialização em Engenharia de Processos e de Sistemas de Produção Projetos de Experimento e Confiabilidade de Sistemas da Produção Prof. Claudio Luis C. Frankenberg 2ª parte Experimentos inteiramente
Leia maisROBERTO CAMPOS LEONI ESTUDO DO DESEMPENHO DOS GRÁFICOS DE CONTROLE QUANDO A MÉDIA DO PROCESSO OSCILA DE ACORDO COM O MODELO AR(1)
ROBERTO CAMPOS LEONI ESTUDO DO DESEMPENHO DOS GRÁFICOS DE CONTROLE QUANDO A MÉDIA DO PROCESSO OSCILA DE ACORDO COM O MODELO AR(1) Dissertação apresentada à Faculdade de Engenharia do Campus de Guaratinguetá,
Leia mais9 Correlação e Regressão. 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla
9 Correlação e Regressão 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla 1 9-1 Aspectos Gerais Dados Emparelhados há uma relação? se há, qual
Leia maisPrincípios de Bioestatística Teste de Hipóteses
1/36 Princípios de Bioestatística Teste de Hipóteses Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG Tabela 2/36 3/36 Exemplo A concentração de certa substância
Leia maisSISTEMAS DE MANUTENÇÃO E CONFIABILIDADE TP077
SISTEMAS DE MANUTENÇÃO E CONFIABILIDADE TP077 6 DISPONIBILIDADE DE EQUIPAMENTOS 6.1 INTRODUÇÃO Diversas teorias em confiabilidade pressupõem o descarte dos componentes de interesse após a primeira falha.
Leia mais2 Controle Estatístico de Processos
1 Controle Estatístico de Processos Esse capítulo apresenta os principais gráficos de controle para variáveis, não tendo o objetivo de maior aprofundamento, sendo o assunto tratado de forma geral. Maior
Leia mais4 Modelos de Regressão Dinâmica
4 Modelos de Regressão Dinâmica Nos modelos de regressão linear (Johnston e Dinardo, 1998) estudados comumente na literatura, supõe-se que os erros gerados pelo modelo possuem algumas características como:
Leia maisIntrodução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística
Introdução ao Planejamento e Análise Estatística de Experimentos Capítulo 3 Introdução à Probabilidade e à Inferência Estatística Introdução ao Planejamento e Análise Estatística de Experimentos Agora,
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 5
MAE 229 - Introdução à Probabilidade e Estatística II Resolução Lista 5 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 (a) De uma forma geral, o desvio padrão é usado para medir a dispersão
Leia maisUniversidade Federal do Pará Instituto de Tecnologia ESTATÍSTICA APLICADA. Plano da Disciplina. Campus de Belém Curso de Engenharia Mecânica
Universidade Federal do Pará Instituto de Tecnologia ESTATÍSTICA APLICADA Campus de Belém Curso de Engenharia Mecânica 1 IDENTIFICAÇÃO Nome da disciplina: Estatística Aplicada I Código da disciplina: EN07048
Leia maisPROVA DE ESTATÍSTICA e PROBABILIDADES SELEÇÃO - MESTRADO/UFMG /2012
PROVA DE ESTATÍSTICA e PROBABILIDADES SELEÇÃO - MESTRADO/UFMG - 0/0 Instruções:. Cada questão respondida corretamente vale (um) ponto.. Cada questão respondida incorretamente vale - (menos um) ponto. 3.
Leia maisSe o planejamento de nossas ações fosse perfeito, só isso seria suficiente para atingir os resultados desejados pela nossa organização.
Sumário 1. Introdução...4 2. O que é a Carta de Controle...6 3. Coleta de Dados...7 4. Criação da Tabela...8 5. Cálculo da Média...9 6. Cálculo do Desvio Padrão...10 7. Cálculo do LIC e LSC...11 8. Criação
Leia maisAmostragem Aleatória e Descrição de Dados - parte II
Amostragem Aleatória e Descrição de Dados - parte II 2012/02 1 Diagrama de Ramo e Folhas 2 3 4 5 Objetivos Ao final deste capítulo você deve ser capaz de: Construir e interpretar disposições gráficas dos
Leia maisIntervalos Estatísticos para uma única Amostra - parte I
Intervalos Estatísticos para uma única Amostra - parte I Intervalo de confiança para média 14 de Janeiro Objetivos Ao final deste capítulo você deve ser capaz de: Construir intervalos de confiança para
Leia maisA Metodologia de Box & Jenkins
A Metodologia de Box & Jenins Aula 03 Bueno, 0, Capítulo 3 Enders, 009, Capítulo Morettin e Toloi, 006, Capítulos 6 a 8 A Metodologia Box & Jenins Uma abordagem bastante utilizada para a construção de
Leia maisLista de Exercício 1ª TVC Química Analítica V Teoria (1º Sem 2016)
Lista de Exercício 1ª TVC Química Analítica V Teoria (1º Sem 2016) Skoog Capítulo 5: Erros em análises químicas 5-1. Explique a diferença entre: a) erro constante e erro proporcional b) Erro aleatório
Leia maisProva de Estatística
Prova de Estatística 1. Para um número-índice ser considerado um índice ideal, ele precisa atender duas propriedades: reversão no tempo e o critério da decomposição das causas. Desta forma, é correto afirmar
Leia maisIntervalos de Confiança
Intervalos de Confiança Carla Henriques e Nuno Bastos Departamento de Matemática Escola Superior de Tecnologia de Viseu Carla Henriques e Nuno Bastos (DepMAT) Intervalos de Confiança 2010/2011 1 / 33 Introdução
Leia mais